金属矿山

作者：杨洋马昆,王立兵,任予鑫,黄艳利董霁红

单位：1. 国家能源集团宁夏煤业有限责任公司,宁夏银川750000;2. 中国矿业大学机电工程学院,江苏徐州221116;3. 中国矿业大学环境与测绘学院,江苏徐州221116;4. 矿山生态修复教育部工程研究中心,江苏徐州221116;5. 中国矿业大学公共管理学院(应急管理学院),江苏徐州221116;6. 中国矿业大学矿业工程学院,江苏徐州221116

关键词：智慧矿山, 安全预警, 深度学习, 协同预警模型, 多场景感知 ,

基金：国家能源集团宁夏煤业有限责任公司企业项目(编号:[2023]016);“十三五”国家重点研发计划项目(编号:2017YFE0119600)。

针对智慧矿山建设中煤矿安全生产面临的复杂挑战,构建了一套面向全流程、多场景的人工智能安全预警系统,通过“感知—分析—预警—处置”的闭环架构,实现矿山安全生产的智能化管控。 在感知层,设计了基于深度学习模型的矿山场景智能感知方案,实现对复杂矿山环境的精准识别;在分析层,开发了采—掘—运—通协同预警模型,实现生产环节的全面监控;在决策层,集成机器学习算法与知识图谱技术,构建了具有跨域适应性的混合智能预警系统;在应用层,搭建多维感知预警平台,包括综采工作面智能可视化、矿井水动态监测、井下人员行为智能研判等功能模块,实现了对矿山生产全过程的实时、精准监控。 研究表明:①融合 DETR 和 DeepLabV3+的矿山场景识别AI 模型在高分辨率数据集上的 PA 值达到 0. 835、MIOU 值达到 0. 825,结合 SAM 模型对露天煤炭场地、井工煤炭场地、煤电场地和煤化工场地 4 类煤基场地的识别精度均超过 0. 820,在鄂尔多斯和宁东基地的验证中识别精度分别达到0. 788 和 0. 838;②矿山安全预警系统采用分层设计架构,可以完成从矿山开采数据采集、处理到业务逻辑和应用展示的全过程智能感知管控;③系统在宁东基地典型矿山的应用验证表明,该系统具有良好的实用性和可靠性,为推动传统矿山向智慧矿山转型提供了实践范例。

来源：2025年第7期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第7期